ارتباط کمی ساختار- فعالیت و داکینگ مولکولی بازدارنده های مشتقات پیرازولین بر سیکلواکسیژناز 2 با استفاده از روش های کموانفورماتیک

در پژوهش حاضر مطالعه کمی ساختار-فعالیت خواص بازدارندگی مشتقات پیرازولین به عنوان بازدارنده های ضد التهابی سیکلواکسیژناز-2 با استفاده از روش های مختلف کموانفورماتیک انجام پذیرفته است. یکی از مهم ترین استراتژی ها در طراحی ترکیبات ضد التهابی قوی با کاهش قابل توجه اثرات جانبی، بازداری انتخابی آنزیم سیکلواکسیژناز-2 است. از روش های انتخاب متغییر طبقه بندی و رگرسیون درختی و روش رگرسیون خطی چندگانه قدم به قدم جهت انتخاب مهم ترین توصیف کننده های مولکولی استفاده گردید. مدل نهایی توسط سیستم استنتاج فازی عصبی انطباق پذیر و شبکه عصبی مصنوعی با استفاده از توصیف کننده های مولکولی انتخابی گسترش یافت. نتایج روش های ارزیابی مختلفی همچون ارزیابی متقاطع یکتایی، ارزیابی متقاطع چندتایی و سری پیش بینی نشان دهنده معتبر بودن مدل بدست آمده می باشد. در مرحله بعدی، مطالعات داکینگ مولکولی برای بدست آوردن الگوی اتصال گیرنده – لیگاند انجام شد. نتایج داکینگ مولکولی نشان داد آمینواسید های 44arg، 46glu، 465glu و41cys مهم ترین نقش را در برهمکنش گیرنده – لیگاند دارند. در مطالعه حاضر، تکنیک‌های مطالعه ارتباط کمی ساختار- فعالیت و داکینگ مولکولی قابل تفسیری برای پیش بینی غلظت بازدارندگی مشتقات پیرازولین استفاده گردید. با استفاده از نتایج حاضر می توان برای پیش بینی غلظت بازداری بازدارنده های آنزیم سیکلواکسیژناز-2 در طراحی دارو با صرف هزینه و زمان کمتر استفاده نمود.

quantitative structure-activity relationship study and molecular docking of pyrazoline derivatives inhibitors on cyclooxygenase-2 using chemoinformatic methods

in the present study, quantitative structure-activity relationship study of inhibition characteristic of pyrazoline derivatives as inflammatory cyclooxygenase-2 inhibitors were performed using different chemoinformatics methods. selective inhibition of cyclooxygenase-2 is an important strategy in designing of potent anti-inflammatory compounds with significantly reduced side effects. classification and regression tree and stepwise multiple linear regression were used to select the most important molecular descriptors. the final model was developed using adaptive neuro-fuzzy inference system and artificial neural network with selected molecular descriptors. results of different validation techniques of leave one out, leave multiple out and prediction set show the validation of acquired model. in the next step, molecular docking studies was performed to obtain receptor-ligand binding pattern. results of molecular docking revealed that the amino acids of arg44, glu46, glu465 and cys41 have important role in receptor-ligand interaction. in the present study, interpretable quantitative structure-activity relationship and molecular docking techniques were used to predict inhibitory concentration of pyrazoline derivatives. the present results can be used to predict inhibitory concentration of cyclooxygenase-2 inhibitors in drug design with consuming lower cost and time.